JP2022143938A - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents
情報処理装置、情報処理方法および情報処理プログラム Download PDFInfo
- Publication number
- JP2022143938A JP2022143938A JP2021044735A JP2021044735A JP2022143938A JP 2022143938 A JP2022143938 A JP 2022143938A JP 2021044735 A JP2021044735 A JP 2021044735A JP 2021044735 A JP2021044735 A JP 2021044735A JP 2022143938 A JP2022143938 A JP 2022143938A
- Authority
- JP
- Japan
- Prior art keywords
- user
- information processing
- behavior
- unit
- processing apparatus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 179
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 230000009471 action Effects 0.000 claims abstract description 157
- 230000007704 transition Effects 0.000 claims abstract description 73
- 230000006399 behavior Effects 0.000 claims description 231
- 239000013598 vector Substances 0.000 claims description 86
- 238000000034 method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 description 90
- 230000008859 change Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000005346 nocturnal enuresis Diseases 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
〔情報処理の概要〕
まず、図1~図3を参照して、本開示の例示的な実施形態について詳細に説明する。例示的な実施形態に係る情報処理装置は、時系列の利用者行動から、特定のニーズを持つユーザを発見するために、以下に説明される情報処理を実行する。以下では、図1~図3を参照して、例示的な実施形態に係る情報処理について説明する。
図1は、実施形態に係る情報処理装置によって実行される利用者行動の時系列データを提供する時系列データ提供処理の一例を示す説明図である。例示的な実施形態では、情報処理が、図1に示された情報処理装置100によって行われる。図1に示されていないが、インターネット等のネットワーク(例えば、図4を参照して後述するネットワークN)が、図1に示された情報処理装置100、ユーザ装置5001~500n(nは任意の自然数)、ログサーバ600および操作者装置700を接続する。
次に、図2を用いて、上記の関連度を出力するモデルの更新予測処理について説明する。図2は、実施形態に係る情報処理装置100によって実行されるモデルの更新予測処理を示す説明図である。について説明する。
次に、図3を用いて、基準行動を行うまでの利用者行動の変遷に基づくコンテンツ提供処理について説明する。図3は、実施形態に係る情報処理装置100によって実行される利用者行動の変遷に基づくコンテンツ提供処理を示す図である。
対象ユーザTU1が基準行動をとり得る可能性を予測する(ステップS24)。具体的には、図3に示すように、モデルを用いて、対象ユーザが将来行う利用者行動を予測したり、対象ユーザTU1のニーズ(例えば、ランニングシューズを購入する可能性があるか否か等)を予測して対象ユーザTU1へのターゲティングを行ったりする。図3の例では、情報処理装置100は、対象ユーザTU1の利用者行動の履歴(例えば、利用者行動#4-1、#4-2)を学習済みモデルに入力することによって、ベクトル#4を生成する。ベクトル#4は、対象ユーザTU1のカテゴリの遷移態様を示す。例えば、情報処理装置100は、生成されたベクトル#4に類似するベクトルに対応する他の対象ユーザを特定し、特定された他の対象ユーザのユーザ情報に基づいて、強調フィルタリングを行うことができる。このようにして、情報処理装置100は、対象ユーザTU1のニーズの予測や、対象ユーザTU1へのターゲティングを可能にすることができる。上述のグループ(例えば、指定カテゴリ)は、特定のマーケティングに対応してもよい。このように、情報処理装置100によれば、カテゴリの変遷に基づいたコンテンツを生成することで、ユーザに対してより有用な情報を提供することができる。
次に、図5を参照して、情報処理装置100を含むシステムの構成例について説明する。
図4は、実施形態に係る情報処理システム1の一例を示す図である。図4に示されるように、情報処理システム1は、情報処理装置100、ユーザ装置500、ログサーバ600および操作者装置700等の構成要素を含む。図1中では図示していないが、情報処理システム1は、複数台の情報処理装置100や、複数台のユーザ装置500や、複数台のログサーバ600や、複数台の操作者装置700を含んでもよい。また、情報処理システム1は、情報処理装置100に関係するエンティティ(例えば、業者、エンドユーザ)の装置等の、他の構成要素を含んでもよい。
図4に示されるように、情報処理装置100は、通信部200と、記憶部300と、制御部400とを有する。なお、情報処理装置100は、情報処理装置100を利用する管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(液晶ディスプレイ等)を有してもよい。
通信部200は、例えば、NIC(Network Interface Card)等によって実現される。通信部200は、有線または無線によりネットワーク網と接続される。通信部200は、ユーザ装置500、ログサーバ600、および操作者装置700に、ネットワークNを介して、通信可能に接続されてもよい。通信部200は、ユーザ装置500、ログサーバ600、および操作者装置700との間で、ネットワーク網を介して、情報の送受信を行うことができる。
記憶部300は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図4に示されるように、記憶部300は、利用者行動データベース310を有する。
図5は、実施形態に係る利用者行動データベース310の一例を示す図である。利用者行動データベース310は、ユーザが行った利用者行動を記憶する。
制御部400は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)等のプロセッサによって、情報処理装置100内部の記憶装置に記憶されている各種プログラム(判定プログラムの一例に相当)がRAM等を作業領域として実行されることにより実現される。また、制御部400は、コントローラ(controller)であり、例えば、ASIC(Application Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)、GPGPU(General Purpose Graphic Processing Unit)等の集積回路により実現されてもよい。
図6は、実施形態に係る第1処理部410の構成の一例を示す図である。第1処理部410は、図1に示した情報処理を行う処理部であり、上述した関連度を示すスコアと、利用者行動の行動日時とに基づくコンテンツを提供することができる。
図7は、実施形態に係る第2処理部420の構成の一例を示す図である。第2処理部420は、図2に示した情報処理を行う処理部であり、所定の期間毎の利用者行動に基づいて、モデルのベクトル情報を生成し、ベクトル情報の変化に基づいた各種コンテンツを提供することができる。
図8は、実施形態に係る第3処理部430の構成の一例を示す図である。第3処理部430は、図3に示した情報処理を行う処理部であり、利用者行動をカテゴリ分類し、分類したカテゴリの変遷に基づいたコンテンツを生成して提供することができる。
提供部434は、生成部433による対象ユーザのカテゴリの遷移の予測結果を操作者装置700へ提供する。また、提供部434は、生成部433による対象ユーザが基準行動をとり得る可能性の予測結果を操作者装置700へ提供する。
次に、図9を参照して、実施形態に係る情報処理装置100の第1処理部410による処理の手順について説明する。図9は、実施形態に係る第1処理部410によって実行される処理の一例を示すフローチャートである。
次に、図10を参照して、実施形態に係る情報処理装置100の第2処理部420による処理の手順について説明する。図10は、実施形態に係る第2処理部420によって実行される処理の一例を示すフローチャートである。
次に、図11を参照して、実施形態に係る情報処理装置100の第3処理部430による処理の手順について説明する。図11は、実施形態に係る第3処理部430によって実行される処理の一例を示すフローチャートである。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の一部を手動的に行うこともできる。あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、上述してきた実施形態に係る情報処理装置100は、例えば図12に示すような構成のコンピュータ1000によって実現される。図12は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力IF(Interface)1060、入力IF1070、ネットワークIF1080がバス1090により接続された形態を有する。
上述してきたように、実施形態に係る情報処理装置100は、取得部411と、特定部412と、生成部413とを備える。取得部411は、基準行動を行った複数の基準利用者により行われた利用者行動と、利用者行動および基準行動の関連度とを取得する。特定部412は、基準行動が行われたタイミングを基準タイミングとした利用者行動の行動タイミングを特定する。生成部413は、関連度および行動タイミングに基づく情報を生成する。また、取得部411は、利用者行動を説明変数とし、関連度を目的変数として学習したモデルへ取得した利用者行動を入力することで出力されるスコアを関連度として取得する。また、特定部412は、基準タイミングを基準とする前後の各期間に行われた利用者行動の回数を計測し、回数が正規分布となる場合に行動タイミングを特定する。また、特定部412は、正規分布に基づく要約値の期間を行動タイミングとして特定する。また、要約値は、正規分布における中央値である。また、生成部413は、関連度および行動タイミングを紐付けたグラフを生成する。また、生成部413は、基準タイミング以前の行動タイミングで行われた利用者行動に関する情報を生成する。このような構成により、ユーザに対してより有用な情報を提供することができる。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
100 情報処理装置
200 通信部
300 記憶部
310 利用者行動データベース
400 制御部
410 第1処理部
411、421、431 取得部
412、432 特定部
413、423、433 生成部
414、424、434 提供部
420 第2処理部
422 算出部
430 第3処理部
500 ユーザ装置
600 ログサーバ
700 操作者装置
1000 コンピュータ
1010 出力装置
1020 入力装置
1030 演算装置
1040 一次記憶装置
1050 二次記憶装置
1080 ネットワークIF
1090 バス
N ネットワーク
Claims (10)
- 基準行動を行った複数の基準利用者により各期間に行われた利用者行動を取得する取得部と、
前記基準利用者毎に、各期間の前記利用者行動が属するカテゴリを特定する特定部と、
前記特定部によって特定された前記カテゴリの変遷に基づいたコンテンツを生成する生成部と
を備えることを特徴とする情報処理装置。 - 前記取得部は、
複数の行動種別を含む前記利用者行動を取得すること
を特徴とする請求項1に記載の情報処理装置。 - 前記行動種別は、
少なくとも、検索行動、位置行動、購買行動および閲覧行動のいずれかを含むこと
を特徴とする請求項2に記載の情報処理装置。 - 前記生成部は、
前記カテゴリの遷移の特徴を学習したモデルを生成し、前記モデルの出力に基づくコンテンツを生成すること
を特徴とする請求項1~3のいずれか1つに記載の情報処理装置。 - 前記生成部は、
前記モデルの出力に基づいて、対象ユーザの前記カテゴリの遷移を予測すること
を特徴とする請求項4に記載の情報処理装置。 - 前記生成部は、
前記モデルの出力に基づいて、対象ユーザが前記基準行動をとり得る可能性を予測すること
を特徴とする請求項4に記載の情報処理装置。 - 前記モデルの出力は、
前記カテゴリの遷移態様を示すベクトルであること
を特徴とする請求項4~6のいずれか1つに記載の情報処理装置。 - 前記特定部は、
2つ以上の前記利用者行動の間の関連性が高い場合に、前記2つ以上の前記利用者行動を1つの前記カテゴリとして特定すること
を特徴とする請求項1~7のいずれか1つに記載の情報処理装置。 - コンピュータによって実行される情報処理方法であって、
基準行動を行った複数の基準利用者により各期間に行われた利用者行動を取得する取得工程と、
前記基準利用者毎に、各期間の前記利用者行動が属するカテゴリを特定する特定工程と、
前記特定工程によって特定された前記カテゴリの変遷に基づいたコンテンツを生成する生成工程と
を含むことを特徴とする情報処理方法。 - 基準行動を行った複数の基準利用者により各期間に行われた利用者行動を取得する取得手順と、
前記基準利用者毎に、各期間の前記利用者行動が属するカテゴリを特定する特定手順と、
前記特定手順によって特定された前記カテゴリの変遷に基づいたコンテンツを生成する生成手順と
をコンピュータに実行させることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021044735A JP7043648B1 (ja) | 2021-03-18 | 2021-03-18 | 情報処理装置、情報処理方法および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021044735A JP7043648B1 (ja) | 2021-03-18 | 2021-03-18 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7043648B1 JP7043648B1 (ja) | 2022-03-29 |
JP2022143938A true JP2022143938A (ja) | 2022-10-03 |
Family
ID=81215106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021044735A Active JP7043648B1 (ja) | 2021-03-18 | 2021-03-18 | 情報処理装置、情報処理方法および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7043648B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170098197A1 (en) * | 2014-02-21 | 2017-04-06 | Rna Labs Inc. | Systems and Methods for Automatically Collecting User Data and Making a Real-World Action for a User |
JP2019032910A (ja) * | 2018-12-03 | 2019-02-28 | デジタル・アドバタイジング・コンソーシアム株式会社 | 情報処理装置及び情報処理方法 |
WO2020008938A1 (ja) * | 2018-07-05 | 2020-01-09 | パナソニックIpマネジメント株式会社 | 販売促進システムおよび販売促進方法 |
-
2021
- 2021-03-18 JP JP2021044735A patent/JP7043648B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170098197A1 (en) * | 2014-02-21 | 2017-04-06 | Rna Labs Inc. | Systems and Methods for Automatically Collecting User Data and Making a Real-World Action for a User |
WO2020008938A1 (ja) * | 2018-07-05 | 2020-01-09 | パナソニックIpマネジメント株式会社 | 販売促進システムおよび販売促進方法 |
JP2019032910A (ja) * | 2018-12-03 | 2019-02-28 | デジタル・アドバタイジング・コンソーシアム株式会社 | 情報処理装置及び情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7043648B1 (ja) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734566B2 (en) | Systems and processes for bias removal in a predictive performance model | |
US10885088B2 (en) | Systems and methods for identifying issues in electronic documents | |
US20180047071A1 (en) | System and methods for aggregating past and predicting future product ratings | |
JP5450051B2 (ja) | 行動ターゲティングシステム | |
RU2720905C2 (ru) | Способ и система для расширения поисковых запросов с целью ранжирования результатов поиска | |
EP3168795A1 (en) | Method and apparatus for evaluating relevance of keyword to asset price | |
KR101452082B1 (ko) | 리서치 미션 식별 | |
Usuga Cadavid et al. | Valuing free-form text data from maintenance logs through transfer learning with camembert | |
JP7041299B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Loukili et al. | Machine learning based recommender system for e-commerce | |
KR20150122307A (ko) | 광고 제공 방법 및 서버 장치 | |
US11556547B2 (en) | Determination apparatus, determination method, and non-transitory computer readable storage medium | |
CN114297478A (zh) | 一种页面推荐方法、装置、设备以及存储介质 | |
KR102546328B1 (ko) | 온라인 마케팅을 위한 콘텐츠 정보 모니터링 및 콘텐츠 기획 자동화 솔루션 제공 방법, 장치 및 시스템 | |
Zhang et al. | Using social media background to improve cold-start recommendation deep models | |
US20210397623A1 (en) | Learning apparatus, learning method, and non-transitory computer readable storage medium | |
JP7044922B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP7043648B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
US20190065987A1 (en) | Capturing knowledge coverage of machine learning models | |
Zhuo | Consumer demand behavior mining and product recommendation based on online product review mining and fuzzy sets | |
CN112348594A (zh) | 物品需求的处理方法、装置、计算设备和介质 | |
JP7354199B2 (ja) | 判定装置、判定方法及び判定プログラム | |
CN113159877A (zh) | 数据处理方法、装置、系统、计算机可读存储介质 | |
JP7413423B2 (ja) | 情報処理システム、および情報処理方法 | |
Wang et al. | A time and sentiment unification model for personalized recommendation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210719 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210719 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220131 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220316 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7043648 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |